Segmentazione dell'immagine cerebrale utilizzando il clustering K-Means nella trasformazione della tonalità

Viene proposta una tecnica efficiente per la segmentazione precisa dei tessuti normali e patologici nelle immagini cerebrali MRI. La tecnica di segmentazione proposta esegue inizialmente il processo di classificazione utilizzando il clustering K-means. Questo propone un approccio al virus dell'Herpes Simplex per la classificazione delle immagini di risonanza magnetica cerebrale (MRI) basato sull'algoritmo di segmentazione del clustering K-means convertito in colore. La segmentazione delle immagini occupa una posizione importante nel campo dell'elaborazione delle immagini. Diventa più importante quando si ha a che fare tipicamente con immagini mediche. Un problema di segmentazione ben noto nella risonanza magnetica è il compito di etichettare i voxel in base al tipo di tessuto che include materia bianca, materia grigia, liquido cerebrospinale e talvolta tessuti patologici come tumori ecc. Questa tesi descrive un metodo efficiente per la segmentazione automatica del tumore al cervello.

Rajnisha Verma arbeitet als Assistenzprofessorin am Swami Vivekanand Vidyalaya, Shikshak Nagar, Durg, Chhattisgarh, Indien. Sie erhielt ihren M.Sc.-Abschluss vom Kalyan College (2005) und schloss ihr M.Tech in Elektronik ab. Sie verfügt über vielfältige Forschungserfahrungen im Bereich Lasertechnologie und -systeme. Sie veröffentlichte in internationalen Fachzeitschriften.